Keras层不太致密

前一层是嵌入大小（V clases，K-outputdim）-我想引入一个权重矩阵大小K x T。权重是可训练的（嵌入也是如此）。它们生成一个VxT矩阵，将在下游使用。 1） 我该怎么办？ 2） 这会影响梯度吗

基本上是向量x矩阵。 示例-嵌入vocab=10，dim K=4。对于词汇表中的某个特定成员，我的嵌入权重是一个向量大小（1,4）（想想行向量）

对于每一行向量，我想乘以一个4×10的权重矩阵，得到一个1×10的向量（或层）。权重矩阵对于词汇表的所有成员都是通用的

---

该1 x 10矢量将输入下一层

你想要的是一个致密的层，没有偏见。密集层内部有一个对所有输入通用的矩阵，它不随输入而变化

因此，这可以实现为：

x = Dense(10, use_bias=False)(some_input_tensor)

---

不需要激活函数，因为您只需要矩阵乘法。

我看不出密集层（无偏差）有什么区别，您必须非常清楚您想要做什么，以及（编程）问题是什么。以上的进一步说明，我明白您的意思！谢谢请把它作为答案贴出来。现在我看到密集权重对于所有输入都是通用的。